人工智能（AI）和机器学习（ML）已成为支持和自动化复杂人类任务的强大工具。然而，随着大型深度学习（DL）模型的广泛部署，其高能耗和碳排放问题日益受到关注。近期，一篇发表于《Applied Intelligence》的论文对绿色AI、绿色DL及减排优化技术进行了系统性回顾，并比较了多种碳排放测量工具。研究还通过CPU实验评估了六个DL模型在多标签分类任务中的碳排放，结果显示训练阶段是排放的主要来源，且模型复杂度的增加并不总能带来相应的精度提升，强调了平衡性能与环境成本的重要性。
近期，游戏开发公司Saber Interactive陷入了一场关于AI取代人类编剧的争议。前首席编剧Stella Sacco在Bluesky上发文称，她在开发《Rideshare模拟器》期间被公司用ChatGPT取代，且游戏中的乘客语音也由AI生成。然而，Saber CEO Matthew Karch则坚决否认，声称“Saber和Unigine都没有用AI取代任何编剧”，游戏故事“完全由真人撰写”，仅有一个实验性免费模式因无限乘客数量而“必然”使用AI。 Sacco对此反驳称，如果游戏中既有她撰写的部分，又有AI生成的内容，那么AI确实被使用了，而她确实被取代了。她还透露，公司早在2023年12月就已告知她这一决定。 这场争议不仅关乎个人职业命运，更折射出AI在游戏产业中日益增长的渗透力。Saber自2001年成立以来一直倡导使用AI工具提升游戏体验，但此次事件引发的核心问题是：AI究竟是辅助工具还是替代者？当AI能够生成文本和语音时，编剧的角色边界在哪里？ 目前，《Rideshare模拟器》的Steam页面尚未披露任何关于生成式AI使用的信息，这也引发了关于透明度的讨论。随着AI技术不断进步，游戏行业如何在创新与伦理之间找到平衡，将成为未来必须面对的课题。
RingCentral，一家年收入超过26亿美元的全球商业通信公司，正通过采用AI原生的方式工作，将AI工具如ChatGPT Work和Codex普及到每位员工，从而加速产品开发并集中运营智能。该公司通过举办AI-Native Challenge，让员工（包括非技术背景）使用这些工具构建完整项目，从而培养AI流畅度，并缩短从想法到产品上线的距离。这一策略不仅提升了内部效率，也加速了其AI产品组合（如AIR、AVA、ACE）的开发。RingCentral的总裁兼COO Kira Makagon强调，AI原生开发不是取代工程师，而是增强他们的能力。 ## 从挑战到战略：RingCentral的AI原生之路 RingCentral在商业通信领域拥有近三十年的创新历史，如今正通过拥抱AI原生工作方式延续这一传统。该公司为每位员工提供ChatGPT Work和Codex，鼓励他们无论工程背景如何，都能构建变革性的产品和基础设施。 ### AI-Native Challenge：全员参与的创新实验 为了在全球工程组织中推广AI流畅度，RingCentral的CEO办公室赞助了AI-Native Challenge。每位参与者都获得了ChatGPT Work和Codex，并被要求构建一个完整的端到端项目，没有规定工作流程或其他限制。这不仅仅是编码练习，而是让员工沉浸在整个AI原生开发生命周期中，包括规划、实施、测试、文档、CI/CD和迭代。 几乎每位参与者都创建了可工作的代码仓库，数千名员工（包括非技术员工甚至高管）都交付了功能完善的项目。这一挑战不仅提升了员工的AI技能，也成为了公司更广泛战略的实践模型：利用AI内部加速产品开发，从而更快地为客户提供服务。 ### 加速产品组合开发 RingCentral将同样的Codex驱动方法应用于其AI产品组合的开发，包括RingCentral AI接待员（AIR）、AI虚拟助手（AVA）和AI对话专家（ACE）。通过压缩从想法到客户功能上线的距离，这些产品变得更加敏锐。 ## 结语：AI原生开发的本质 Kira Makagon表示：“AI原生开发不是要取代工程师，而是要增强他们。AI加速了整个开发周期。” 这一理念不仅适用于RingCentral，也为其他寻求数字化转型的企业提供了借鉴。通过让AI工具触达每位员工，企业可以释放更大的创新潜力，实现更快的产品迭代和更高效的运营。
近日，有消息称OpenAI和Anthropic的模型在提供“深度思考”（deep_think）工具时，会意外泄露其隐藏的思维链（Chain of Thought，CoT）内容。这一现象引发了AI安全与隐私领域的广泛关注。思维链是指模型在生成最终答案前，内部进行的一系列推理步骤，通常被视为模型的“私有思考过程”。此前，OpenAI和Anthropic等公司均表示会努力隐藏模型的内部推理细节，以防止用户诱导模型产生不安全行为或泄露敏感信息。然而，此次事件表明，当模型被赋予特定工具（如deep_think）时，其隐藏的思维链可能会被意外触发并暴露。 ## 事件背景 据Hacker News上的讨论，用户在使用某些提示词或工具时，模型会返回包含思维链内容的输出。这些内容通常以“内部推理”或“思考过程”的形式出现，有时甚至包括模型对自身指令的解读、对隐私政策的内部讨论等。这一现象不仅发生在OpenAI的GPT系列模型上，也出现在Anthropic的Claude模型中，引发了人们对模型安全机制有效性的质疑。 ## 安全影响 思维链的泄露可能带来多重风险。首先，攻击者可能利用泄露的思维链来逆向工程模型的内部决策逻辑，从而设计更有效的对抗样本或越狱提示，绕过安全限制。其次，思维链中可能包含训练数据中的敏感信息，导致隐私泄露。此外，如果模型在思考过程中表现出偏见或不当倾向，这些内容一旦公开，可能对模型提供商造成声誉损害。 ## 行业反应与应对 目前，OpenAI和Anthropic尚未就此事发表官方声明。但社区中已有讨论认为，模型提供商可能需要重新评估其安全机制，尤其是在工具调用场景下。一些研究人员建议，在模型输出中增加对思维链内容的过滤或脱敏处理，或者限制工具对内部推理的访问权限。然而，如何在保持模型透明度和保护内部安全之间取得平衡，仍是一个待解的难题。 ## 小结 此次事件再次提醒我们，AI模型的安全与隐私保护是一个持续博弈的过程。随着模型能力的增强和工具生态的扩展，新的漏洞和风险将不断出现。对于开发者和研究者而言，深入理解模型的内部机制，并设计更稳健的安全策略，将是未来重要的课题。
美国风险投资公司 Accel 宣布，其新设立的印度基金已获得超额认购，规模达 **5.5 亿美元**，并在数周内完成募集。这一速度令人瞩目，距其上一支 6.5 亿美元印度基金的关闭仅过去 **19 个月**。 ## 快速募资背后的信号 Accel 此次募资的快速完成，反映了全球投资者对印度初创企业生态的持续看好。尽管全球科技投资整体趋于谨慎，但印度市场凭借其庞大的数字消费群体、不断深化的技术人才库，以及日益成熟的创业环境，依然是资本追逐的热点。Accel 作为早期投资印度科技公司的先驱之一，其募资节奏的加快，可能预示着印度创投市场的新一轮活跃。 值得注意的是，Accel 在上一支基金中仍有 **超过 55%** 的资金尚未部署。这意味着，新基金的设立并非源于资金紧张，而是出于战略布局的考量。Accel 可能希望借此进一步扩大其在印度的投资版图，尤其是在人工智能、SaaS、金融科技等前沿领域。 ## 投资策略与市场影响 Accel 在印度的投资策略一贯注重早期阶段，曾成功投资了 Flipkart、Swiggy 等知名企业。新基金的到位，将使其能够继续支持印度初创企业从种子期到成长期的全程发展。对于印度创业者而言，Accel 的持续加码无疑是一个积极信号，表明顶级风投对印度市场的长期信心。 然而，新基金的快速募集也可能加剧印度早期投资的竞争。随着更多资本涌入，项目估值可能进一步推高，这对创业者和投资人而言既是机遇也是挑战。 ## 展望与不确定性 Accel 尚未公布新基金的具体投资重点和团队调整计划，但可以预见，其将继续深耕印度市场，并可能在人工智能等新兴技术领域加大布局。不过，全球宏观经济的不确定性，以及印度本土政策环境的变化，仍可能对投资节奏产生影响。 总体而言，Accel 此次超额认购的印度基金，不仅是对其自身投资策略的肯定，也是印度科技生态活力的又一佐证。未来，随着这些资本的逐步部署，印度初创企业有望迎来新一轮的创新浪潮。
**OpenAI 与 AWS 合作推出 Daybreak Red 和 Daybreak Blue 两款专用网络防御模型，现已通过 Amazon Bedrock 向合格客户开放。** 这两款模型旨在帮助企业更高效地应对网络安全挑战，从漏洞发现到事件响应，提供更智能的解决方案。 ## 模型亮点 - **Daybreak Red**：专注于攻击性安全测试，能够模拟攻击行为，帮助组织在真实攻击发生前发现系统弱点。 - **Daybreak Blue**：侧重于防御性安全操作，协助安全团队分析威胁情报、快速响应安全事件，并优化防护策略。 两款模型均基于 OpenAI 的先进 AI 技术，并针对网络安全场景进行了专门优化。 ## 安全与隐私保障 **一个关键特性是零操作员访问（zero-operator access）**，该机制在芯片层面强制执行，确保运行过程中 AWS 和 OpenAI 的员工都无法访问客户代码和漏洞数据。这种设计充分保护了数据隐私与安全，尤其适合处理高度敏感的安全信息。 ## 行业意义与落地场景 随着网络攻击日益复杂，传统防御手段往往力不从心。Daybreak 系列模型的推出，为安全团队提供了 AI 驱动的辅助工具，有望显著提升威胁检测与响应效率。 在实际应用中，企业可以利用 Daybreak Red 定期进行渗透测试，而 Daybreak Blue 则可以集成到安全运营中心（SOC）中，辅助分析师处理告警、关联威胁情报，甚至自动生成初步响应建议。 ## 可用性与展望 目前，这两款模型已通过 Amazon Bedrock 向符合条件的客户开放。AWS 与 OpenAI 的此次合作，不仅扩展了生成式 AI 在安全领域的应用边界，也为未来更智能的网络安全防御体系奠定了基础。 对于希望提升安全能力的企业而言，现在可以开始评估 Daybreak 模型在自身环境中的表现，探索其如何与现有安全工具链协同工作。 （注：本文基于 AWS 官方公告，具体功能与适用性建议直接咨询 AWS 或 OpenAI 获取最新信息。）
想象一下，你通过“氛围编程”快速打造的应用原型，被提交到一个服务平台上，经过验证、测试后，以可重复的自动化方式批量生产并交付给广大用户——这正是“软件工厂”在 AI 时代重新焕发生机的图景。 ## 软件工厂的回归 这个概念并不新鲜，早在 2008 年微软就曾大力倡导。彼时，软件开发正走向组件化和可复用，但受限于编码瓶颈，软件工厂未能成为主流。如今，随着 AI 基础模型和智能体（Agent）的编码能力突飞猛进，软件工厂再次成为焦点。 CloudBees 首席执行官 Moritz Plassnig 指出，过去即便有自动化和 DevOps 实践，编码仍是许多组织的瓶颈。招聘工程师既困难又昂贵，限制了软件交付的速度。而现在，AI 生成代码的能力让编码不再是主要约束，软件工厂的复兴因此有了坚实的技术基础。 ## AI 驱动的软件工厂如何运作 现代的软件工厂并非简单的自动化流水线，而是将整个软件开发生命周期拆解为可重复的模块，由 AI 模型和智能体协同完成。开发者提交原型后，系统会自动进行验证、测试，并通过预设的流程进行大规模部署和交付。这种模式不仅提高了交付效率，也改变了开发者的角色——从写代码的“工匠”转变为定义流程和审查结果的“架构师”。 Plassnig 强调，开发者工艺不会消失，但工程师的职责会更侧重于设计、监督和优化自动化流程，而非逐行编写代码。这意味着 IT 专业人员的技能要求正在升级，需要具备更强的系统思维和 AI 工具驾驭能力。 ## 为什么现在需要软件工厂 随着 AI 加速应用迭代，每日发布更新成为常态，传统的手工操作模式显然无法应对如此高频率的交付需求。软件工厂提供的自动化、标准化流程，正是应对这一挑战的关键。它能让组织在保证质量的前提下，以更快的速度响应市场变化，同时降低对稀缺工程师资源的依赖。 不过，软件工厂的落地仍面临挑战。如何确保 AI 生成代码的质量？如何定义合理的自动化边界？这些问题都需要在实践中不断探索。但可以确定的是，软件工厂的回归并非简单重复历史，而是 AI 时代软件工程范式的一次深刻变革。
OpenAI 于本周二正式推出 ChatGPT 的 Linux 桌面应用，以预览版形式向全球用户开放。这一举措填补了 ChatGPT 在 Linux 平台上的空白，使得该应用现已覆盖所有主流桌面操作系统。 长期以来，Linux 开发者社区对 ChatGPT 桌面版的呼声颇高。此次发布不仅满足了这部分用户的需求，还整合了 Codex 功能，让 Linux 用户能够使用 ChatGPT、ChatGPT Work 以及 Codex 等工具。 支持的系统包括 Ubuntu 24.04 和 26.04 LTS、Debian 13、Fedora 43 和 44 的桌面版本。尽管 Linux 发行版众多，OpenAI 选择的这些版本作为基础，许多下游发行版或变体也将兼容。 值得注意的是，OpenAI 的竞争对手 Anthropic 已在一个月前发布了 Claude 的 Linux 桌面应用，支持 Ubuntu 22.04 及以上、Debian 12 及以上。OpenAI 此举显然是在追赶竞争对手的脚步，力求在开发者社区中保持竞争力。 这一发布对 AI 行业意义重大。Linux 是许多开发者、数据科学家和系统管理员的首选系统，提供原生桌面应用可以提升用户体验，促进 AI 工具在专业领域的采用。同时，这也反映了 AI 公司对开发者生态的重视，通过覆盖更多平台来扩大用户基础。 目前，ChatGPT Linux 应用仍处于预览阶段，可能存在不稳定因素，但 OpenAI 的快速迭代和反馈机制有望在正式版中解决这些问题。对于 Linux 用户而言，这无疑是一个值得期待的好消息。
AI生成传单常常惨不忍睹，但掌握正确的提示词，效果可以天差地别。以下8个技巧与提示词，帮你用AI做出让人愿意多看一眼的传单。 ### 1. 明确目标与受众 AI不知道你的传单是给谁看的，所以提示词里必须说清楚。比如：“面向25-35岁城市白领的瑜伽班传单，强调减压与健康。” **示例提示词**：“设计一张A4传单，推广社区瑜伽课，目标人群是上班族，主打‘缓解工作压力’，风格清新自然。” ### 2. 提供具体内容，而非泛泛而谈 别只说“设计一张传单”，把标题、副标题、日期、地点、联系方式都写进提示词。AI能根据这些信息自动排版，减少后续修改。 **示例提示词**：“传单标题为‘夏日音乐节’，副标题‘7月20日-22日，中央公园’，包含演出阵容、票价和购票二维码，背景为夕阳下的舞台。” ### 3. 指定风格与氛围 AI有无数种风格，明确指定可以避免“四不像”。比如“复古手绘风”、“极简现代风”、“高对比度街头风”。 **示例提示词**：“用复古手绘插画风格设计咖啡店开业传单，主色调为暖黄色和深棕色，营造温馨怀旧的感觉。” ### 4. 控制文字数量 传单不是文章，文字越少越好。提示词里限定“最多3个标题行，正文不超过50字”，AI会自动精简。 **示例提示词**：“设计促销传单，文案精简，突出‘5折’和‘限时3天’，其余信息用图标代替。” ### 5. 利用AI的排版能力 AI擅长生成对称或网格布局，善用“居中排版”、“分栏”、“留白”等指令，让传单看起来专业。 **示例提示词**：“设计活动传单，使用居中对称布局，信息分三栏：时间、地点、嘉宾。” ### 6. 迭代优化，而非一次成型 第一次生成的传单往往有瑕疵，别放弃。继续追加提示词，比如“把标题放大”、“背景换成浅色”、“增加一个卡通吉祥物”。 **示例提示词**：“在现有基础上，将主标题字号增大40%，背景改为浅蓝色，并添加一个戴着耳机的卡通人物。” ### 7. 结合人工调整 AI生成后，用设计工具微调细节，比如字体、颜色、对齐。AI负责灵感，你负责完美。 **示例提示词**：“生成后，我会用Canva调整间距和字体，因此请确保各元素独立分层。” ### 8. 善用AI的批量生成能力 让AI一次生成多个版本，比如“生成5种不同风格的传单，分别对应简约、活泼、商务、文艺、科技感”，然后挑选最合适的。 **示例提示词**：“为新产品发布会设计5款传单，风格分别为：极简黑白、渐变科技、手绘涂鸦、杂志风、3D立体。” ## 总结 AI传单不好看，多半是提示词没写到位。把上面8个技巧用到你的提示词里，AI就能成为你的设计助手。记住：**明确目标、具体内容、指定风格、精简文字、善用排版、迭代优化、人工微调、批量生成**——这八步，足以让AI产出令人惊喜的传单。
谷歌近日宣布，其AI助手Gemini的月活跃用户数已突破10亿，成为公司历史上达到这一里程碑速度最快的产品。这一数字涵盖了Gemini应用、谷歌助手集成以及企业版等多种使用场景。 ## 增长动力与背景 Gemini的快速增长并非偶然。自2023年底发布以来，谷歌将其深度整合进搜索、安卓系统及Workspace等核心产品中，利用庞大的用户基础进行推广。此外，多模态能力的持续升级——从文本到图像、音频和视频的理解——也为它赢得了更广泛的应用场景。相比之下，ChatGPT达到10亿用户耗时更长，尽管其早期增长同样迅猛。 ## 市场与竞争格局 在AI助手赛道，用户规模是衡量影响力的关键指标。谷歌此举意在展示其技术实力和生态优势，尤其是在与OpenAI、微软等竞争对手的较量中。然而，用户数并不直接等同于盈利能力，如何将流量转化为可持续的商业模式仍是挑战。此外，随着模型发布节奏放缓，Gemini能否保持用户粘性也值得关注。 ## 潜在风险与未来展望 尽管增长亮眼，但Gemini也面临诸多挑战：一是AI监管趋严，隐私和数据安全问题可能影响用户信任；二是竞争加剧，开源模型和垂直领域助手的崛起可能分流用户；三是技术迭代的瓶颈，若创新停滞，用户新鲜感可能消退。 总体而言，10亿用户是里程碑，但也是新的起点。谷歌需要持续优化产品体验，探索差异化功能，并确保负责任地部署AI，才能在激烈的市场中巩固领先地位。
AI聊天领域的竞争正在进入一个全新的阶段。就在最近，谷歌CEO桑达尔·皮查伊在X上宣布，其AI助手Gemini的月活跃用户数已达到**10亿**，并且是谷歌历史上增长最快的产品。而在此之前，OpenAI的ChatGPT也刚刚跨过了这一里程碑，尽管官方公告显得有些低调。 ## 双双破亿，但增长节奏不同 谷歌的皮查伊在X上发文称，Gemini每月有**10亿人使用**，这标志着谷歌旗下第14个达到10亿用户的产品。谷歌发言人亚历克斯·约瑟夫表示，Gemini在上周就已达到这一数字，并在8月11日正式对外公布。值得注意的是，这一数据仅指Gemini应用本身，不包括谷歌将其嵌入其他产品的用户，但**预装在Android手机上的Gemini**似乎被计算在内。Gemini负责人乔什·伍德沃德还透露，Gemini在iOS上的活跃用户已超过1亿。 相比之下，OpenAI的ChatGPT在8月6日的一篇博客中“轻描淡写”地提到“超过10亿人正在使用ChatGPT”，并未大张旗鼓。OpenAI发言人林赛·麦卡勒姆证实，ChatGPT的月活跃用户数在更早前就已突破10亿，并在7月达到每周10亿用户。不过，这一里程碑的达成速度似乎有所放缓——OpenAI曾在今年2月公布ChatGPT的周活跃用户为9亿，五个月后达到10亿，对于曾被誉为“增长最快软件”的ChatGPT来说，这一增速的下降颇为明显。 ## 用户数据背后的复杂图景 直接比较月活与周活并不容易，但最直观的解读是：**ChatGPT的体量更大，而Gemini的增长势头更猛**。谷歌在2月宣布Gemini月活为7.5亿，7月底财报电话会上报告为9.5亿，如今达到10亿，增长轨迹清晰可见。而ChatGPT虽然仍是聊天机器人领域的领导者，但外部数据早在6月就预测其月活可能已破10亿，官方直到8月才确认。 此外，Anthropic的Claude虽然增长迅速，但该公司不公开用户数据，外界估计其用户数仍在数千万级别，尚难与两大巨头抗衡。 ## 竞争格局：双雄争霸，还是变局前夜？ 从目前的态势看，AI聊天应用已进入**双寡头时代**。谷歌凭借Android系统的预装优势，为Gemini带来了巨大的流量入口，而OpenAI则依靠ChatGPT的品牌效应和技术积累，维持着用户粘性。然而，增速的差异可能预示着未来的变局：Gemini的快速崛起意味着谷歌在AI消费端的布局正在奏效，而ChatGPT的增长放缓则可能让OpenAI面临压力。 对于普通用户而言，10亿用户意味着AI聊天已成为主流应用，而不仅仅是极客的玩具。未来，谁能更好地平衡创新与商业化，谁能在多模态、个性化等方向上持续突破，或许将决定下一个10亿用户的归属。
谷歌CEO桑达尔·皮查伊在X上宣布，Gemini应用已成为公司增长最快的产品之一，月活跃用户数近期突破10亿。这一里程碑使Gemini与OpenAI的ChatGPT并驾齐驱——后者在6月刚刚达到月活10亿。皮查伊还指出，Gemini是谷歌第14个达到10亿用户的产品。 ## 增长背后的驱动力 谷歌一直在将Gemini深度整合到其产品生态中，包括搜索、Workspace、Android以及独立应用。其中，搜索中的AI模式表现尤为亮眼，全球月活跃用户已超过10亿。但需要注意的是，今天宣布的10亿数据仅指Gemini应用，不包括其他渠道的AI用户。 ## 用户如何使用Gemini 谷歌还分享了用户的使用习惯：**63%的Gemini用户使用语音功能直接与助手对话**，这表明语音交互正在成为主流。此外，**Gemini每天生成超过1.5亿张图片**，显示出其多模态能力的广泛应用。 ## 跨平台与生态扩展 Gemini的增长不仅限于谷歌自家产品。**在iOS平台上，Gemini的活跃用户已超过1亿**。这一里程碑紧随谷歌2026年第二季度财报电话会议之后，当时公司庆祝月活跃用户超过9.5亿，日活跃用户在过去一年中翻了三倍。 ## 未来展望 这一消息也恰逢谷歌即将举办的Made by Google活动，预计Pixel设备将搭载更多Gemini驱动的功能。与此同时，谷歌继续推出新模型和功能，包括专为改进编码和自主AI代理任务设计的**Gemini 3.5 Flash**。 谷歌在AI领域的快速追赶，不仅体现了其技术实力，也反映出AI助手市场的激烈竞争。随着Gemini用户基数的扩大，谷歌正试图在AI赛道上占据更有利的位置。
2025年4月15日，我第一次听到“审查工业复合体”这个说法。当时我收到线报：美国国务院一个负责监控和反制俄罗斯、伊朗、中国等外国虚假信息的小办公室，即将面临关闭——就在第二天。这个名为R/FIMI的办公室，被指控为所谓的“审查工业复合体”的核心枢纽，该复合体据称由政府部门、学者、公民社会团体和科技巨头组成，以打击虚假信息为名，合谋压制保守派和民粹派的网络言论。4月16日上午10:30左右，我发布了这条新闻，并在随后的几周里挖掘出更多内幕。但对我说，这只是一个深入报道的起点，让我走进一个从右翼互联网边缘走向主流的思想，它由一个资金雄厚的保守派媒体和非营利组织网络推动，最终成为特朗普第二届政府许多内外政策的普遍逻辑。 但这不仅仅是政策故事。关于审查的武器化观点也影响着全球数十亿在网上获取信息或互动的人——也就是说，我们所有人。有关这一叙事对互联网意味着什么的更多内容，请阅读我的报道。
**OpenAI 再失一位核心高管。** 公司特别项目负责人、前首席运营官 Brad Lightcap 在任职八年后宣布离职。他在内部备忘录中表示将开启“新的事业”，并称未来几周仍会协助交接。 Lightcap 的职责在过去一年半中经历了多次调整。2025年3月，他的 COO 职责扩展至监督公司日常运营与全球部署。2026年1月，他退出企业产品与工程领导，但仍负责商业职能。4月，他正式卸任 COO，转而负责“特别项目”，直接向 CEO Sam Altman 汇报，其大部分原职责由首席营收官 Denise Dresser 接任。 Lightcap 并非近期唯一离开的高管。7月，AGI 负责人 Fidji Simo 因健康原因离职；4月，CMO Kate Rouch 也因健康问题卸任。此外，公司总裁 Greg Brockman 接管产品业务，并承诺削减“支线任务”。 这一系列变动正值 OpenAI 经历重大重组，业界关注其领导层稳定性。Lightcap 在备忘录中未透露新去向，但表示将从“不同视角”支持公司使命。
OpenAI 又失去一位核心高管。长期担任首席运营官（COO）的 **Brad Lightcap** 于本周二宣布离职，他在内部信中表示将“开启新事业”，并称“从不同的角度帮助大家推进使命”让他感到兴奋。 Lightcap 自 **2018 年**加入 OpenAI，起初担任首席财务官（CFO）四年，随后在 **2022 年**升任 COO，直至今年早些时候在管理层调整中转为负责特别项目。在加入 OpenAI 之前，他曾与 CEO Sam Altman 在风险投资公司 Y Combinator 共事。 在致员工的信中，Lightcap 回顾了在 OpenAI 的岁月，称自己“有幸搭建了大部分运营和业务团队的初版”，包括财务、法务、人事、公司事务、市场拓展和政府关系等。他表示，看着这些团队在优秀领导者带领下走向成熟，是这段旅程中最有意义的经历之一。 对于未来，Lightcap 语焉不详，但暗示了新的方向：“过去几个月，我一直在思考下一个前沿，以及什么会阻碍使命的成功。我相信，进入下一阶段，世界需要做好几件重要的事情。我很快会分享更多，但我比以往任何时候都更相信 OpenAI，并期待从不同视角帮助大家推进使命。” Lightcap 的离职正值 OpenAI 准备进行备受瞩目的 IPO，公司高层近期经历了一轮洗牌。**今年 7 月**，负责 AGI 开发的二号人物 Fidji Simo 宣布卸任；此外，前 Sora 视频生成器负责人 Bill Peebles、科学部门副总裁 Kevin Weil 等高管也相继离开。 此次人事变动对 OpenAI 而言，既是挑战也是机遇。一方面，核心高管的流失可能影响公司的战略稳定性和市场信心；另一方面，新血液的注入也可能带来新的视角和动力。在 AI 行业竞争白热化的当下，OpenAI 能否保持其领先地位，将取决于它如何应对这一轮组织变革。
**AI初创公司River AI在成立仅两个月后，便获得了高达11亿美元的融资，** 这一轮融资由General Catalyst和AMP PBC领投，Nvidia、AMD Ventures、Y Combinator和淡马锡参投。River AI由xAI联合创始人Igor Babuschkin创立，其愿景是彻底重塑AI，打造个人可训练的智能体，而非追求替代人类工人。 ## 从零开始重塑AI Babuschkin在DeepMind和OpenAI等机构拥有丰富经验，他计划从模型训练方式开始，端到端重建AI技术栈，包括训练、模型、产品层以及新型硬件，使个人AI能够贴近用户生活。他设想中的智能体更像“守护天使”，而非简单的任务执行工具。 ## 初期产品与API River AI已推出API，按每百万token计费，价格取决于所使用的开放模型。该API支持强化学习和低秩适配（LoRA）微调，旨在让开发者将开放模型训练成真正属于自己的模型，从而摆脱对提示工程的依赖。 ## 市场时机与未来展望 这轮巨额融资正值企业希望控制自身AI模型命运、采用混合模型（包括开放权重模型）的时期。River AI承诺通过其“neocloud”服务，让企业无需基础设施团队即可在15至20分钟内完成复杂的强化学习运行，成本比闭源方案节省2至4倍。 虽然如此年轻的初创公司获得如此规模的融资令人瞩目，但River AI的理念恰好迎合了市场需求，其未来发展值得关注。
谷歌将于 8 月 12 日举办年度硬件发布会 Made by Google，预计将推出多款 Pixel 新设备。根据发布会前的泄露信息，Pixel 11 系列将提供多种颜色选择，Pro 型号可能配备内置补光灯；此外，新一代 Pixel Fold、Pixel Watch 5（四种配色）以及 Pixel Tag 追踪器也有望亮相。值得注意的是，谷歌官网的预购倒计时将于美国东部时间 8 月 12 日上午 10 点结束，比发布会直播（下午 6 点）提前 8 小时，这意味着新设备可能会在发布会前就正式公布。今年的发布会由喜剧演员 Trevor Noah 主持，嘉宾阵容包括 NBA 球星 Stephen Curry、播客主 Alex Cooper、印度板球运动员 Shubman Gill 和日本女演员中条あやみ。 去年的 Made by Google 活动因采用类似深夜脱口秀的形式而引发争议，但 YouTube 观看量达到 840 万，远超前一年的 140 万。今年谷歌继续走明星路线，但泄露信息已让发布会悬念大减。本文汇总了所有关于 Pixel 设备的新闻和动态，并持续更新。
怀念没有AI干扰的经典Word？一位开发者成功让1990年的Word 1.1a在Windows 11上运行，并分享了方法。 ## 复古情怀：Word 1.1a 重获新生 如果你厌倦了现代Word中无处不在的AI功能，渴望回到那个简洁纯粹的文档处理时代，那么现在有个好消息：一位名叫Justin Marshall的开发者，通过一系列技术手段，成功让**1990年发布的Microsoft Word for Windows 1.1a**在Windows 10和11上流畅运行。 Marshall在GitHub上详细记录了整个过程。他重建了Word的原始源代码和资源，并结合现代替代组件，将这款35岁高龄的软件编译成了**64位Windows可执行文件**。这意味着，你可以在现代操作系统上体验到原汁原味的Word 1.1a界面和操作逻辑。 ## 技术挑战与实现 要让一个16位时代的程序在现代64位系统上运行，并非易事。Marshall必须解决兼容性问题，他通过重建源码和使用现代工具链，成功绕过了旧平台的限制。这一过程不仅需要深厚的编程功底，还需要对旧软件架构有深入理解。 ## 如何亲自尝试 虽然Marshall公开了方法，但普通用户想复现并不简单。你需要具备一定的编程知识，并配置相应的开发环境。具体步骤包括获取原始源码（可能涉及版权问题）、安装合适的编译器，并按照GitHub上的说明进行操作。对于技术爱好者来说，这是一次有趣的探索；但对普通用户而言，门槛稍高。 ## 结语 这次尝试不仅是一次技术怀旧，也折射出人们对现代软件复杂化的反思。在AI功能日益普及的今天，简洁、专注的工具反而显得珍贵。无论如何，能重新体验30多年前的经典软件，本身就是一件有趣的事。
**摘要：** 超过 150 年来，黎曼猜想一直是数学领域最著名的未解难题之一，它关乎素数分布的规律，至今悬而未决，悬赏 100 万美元。尽管当代 AI 模型尚未能完全证明该猜想，但 Anthropic 公司近日宣布，其一个未发布的模型在黎曼猜想上取得了显著进展，大幅提高了猜想成立的下界。更令人惊讶的是，这一进展是由一位没有深厚数学背景的 Anthropic 员工，通过提示模型自主尝试证明猜想而实现的。 ## 模型自主探索，多智能体协作 这项突破并非来自人类数学家的精心指导，而是模型自主规划与执行的结果。Anthropic 的一名员工，本身未受过专门的数学训练，仅向模型下达了尝试证明黎曼猜想的指令，随后模型在一天半的时间内自主协调任务，共测试了 650 个不同的解题思路，动用了 60 个子智能体，消耗了 3100 万输出 token。其中，两个子智能体贡献了关键的数学思想，13 个提供了辅助思路，30 个尝试但未能提出新想法，13 个负责验证论证的正确性，最后两个帮助撰写了初步论文。这一成果已由 Anthropic 内部的两名数学家确认，并使用开源证明助手 Lean 进行了形式化验证。 ## AI 数学突破的浪潮 这一成果并非孤例。近年来，大型语言模型（LLM）在数学领域屡有建树。今年，AI 模型已解决了多个 Erdős 问题，而随着模型能力的增强，成果也愈发显著。OpenAI 近期发布了其内部 Astra 模型证明的 10 项重大结果，Anthropic 的另一个项目则推翻了一直以来的 Jacobian 猜想。这些成果在数学界引发了兴奋与担忧并存的情绪。今年 6 月，一批知名数学家签署公开声明，担心 AI 可能削弱该领域的核心价值——特别是数学证明应归功于具体作者，并由其承担责任的标准。 ## 意义与展望 Anthropic 的这项进展再次证明，AI 在科学发现方面具有巨大潜力，但其方式与人类数学家截然不同。它能够以超乎寻常的广度探索解题路径，却也可能引发关于学术诚信和责任归属的讨论。未来，AI 与数学家如何协作，将是值得关注的话题。
苹果正在开发一项iOS功能，让用户可以验证照片是否由iPhone相机拍摄，以对抗深度伪造。据9to5Mac报道，iOS 27测试版5中的代码引用了“Apple Reference Image”系统，该系统能在拍摄时嵌入来源元数据，从而证明照片的真实性。 该功能默认关闭，但可在“设置 > 相机 > 参考图像 > 参考模式”中启用。启用后，仅使用“参考”模式拍摄的照片才会包含验证所需的信息。验证过程并非自动，用户需点击照片上的“参考”徽章，系统会将原始图像及嵌入的元数据（包括传感器签名、拍摄时间、唯一硬件标识符）发送至苹果的私有云计算服务器进行验证，并返回带唯一ID的认证版本。苹果在此过程中不会访问原始照片，但可能会获取传感器数据，以防止被篡改传感器的图像通过认证，或追溯撤销相关认证。 该功能与C2PA内容凭证标准类似，旨在追溯图像的来源和生成方式。目前苹果尚未正式发布该功能，但这一动向表明科技公司正积极应对深度伪造带来的挑战。